离散型随机变量的常见分布与特征.pptx

离散型随机变量的常见分布与特征汇报人：XX2024-01-24目录离散型随机变量概述伯努利分布与二项分布泊松分布及其特征几何分布与负二项分布超几何分布及其特征离散型随机变量特征总结01离散型随机变量概述定义与性质定义离散型随机变量是指其可能取值的个数是有限的或可列的随机变量。性质离散型随机变量具有可列个可能取值，且每个取值的概率大于0。与连续型随机变量区别取值方式概率描述离散型随机变量取值为有限个或可列个，而连续型随机变量取值充满某个区间。离散型随机变量的概率用概率分布律描述，而连续型随机变量的概率用概率密度函数描述。VS常见离散型随机变量举例二项分布泊松分布描述n次独立重复试验中成功次数的概率分布，其中每次试验成功的概率为p。描述单位时间内随机事件发生的次数的概率分布，其中单位时间内平均发生次数为λ。几何分布超几何分布描述进行一系列相互独立的试验，直到首次成功为止所需试验次数的概率分布。描述从有限个不同元素中不放回地抽取n个元素，其中成功元素个数k的概率分布。02伯努利分布与二项分布伯努利试验与伯努利分布伯努利试验只有两种可能结果（成功或失败）的单次随机试验。伯努利分布描述伯努利试验中成功或失败的概率分布，记作B(1,p)，其中p为成功概率。伯努利分布的性质期望E(X)=p，方差D(X)=p(1-p)。二项分布定义及性质二项分布定义：n重伯努利试验中成功次数X的分布，记作B(n,p)，其中n为试验次数，p为每次试验成功的概率。当n很大、p很小时，二项分布近似于泊松分布。二项分布的性质方差D(X)=np(1-p)期望E(X)=np二项分布应用举例产品质量检验假设某批次产品中次品率为p，从中随机抽取n个样品进行检验。次品数X服从B(n,p)分布。抛硬币试验假设硬币正面朝上的概率为p，反面朝上的概率为1-p。抛n次硬币，正面朝上的次数X服从B(n,p)分布。射击比赛射手每次射击命中的概率为p，不命中的概率为1-p。射手进行n次射击，命中次数X服从B(n,p)分布。03泊松分布及其特征泊松过程及泊松分布定义泊松过程是一种累计随机事件发生次数的最基本的独立增量过程。例如随着时间变化某系统累计故障的次数。泊松分布定义若随机变量X所有可能取值为0,1,2,...,而取各个值的概率为P{X=k}=λ^k/k!*e^(-λ),k=0,1,2,...,其中e是自然对数的底，λ0是常数，则称X服从参数为λ的泊松分布，记为X~P(λ)。泊松分布性质与特点泊松分布的图形只取决于平均数λ。当λ很小时，图形是很偏的，但当λ逐渐增大时，图形逐渐趋向正态分布，当λ=20时，可以认为近似于正态分布。泊松分布的均值和方差均为λ，即E(X)=λ，D(X)=λ。泊松分布具有无记忆性，即如果事件在一段时间内没有发生，那么在这段时间内任意两点间发生事件的概率只与这两点间的时间长度有关，而与之前是否发生过事件无关。泊松分布在生活中的应用在交通工程中，泊松分布可用来描述某路段或某交叉口单位时间内到达的车辆数或行人数的概率分布。在通信工程中，泊松分布可用来描述单位时间内到达的电话呼叫次数或数据包的到达次数的概率分布。在保险精算中，泊松分布可用来描述某险种单位时间内发生的索赔次数的概率分布。在医学领域中，泊松分布可用来描述某种疾病在单位时间内发生的次数的概率分布。04几何分布与负二项分布几何分布定义及性质定义：在n次伯努利试验中，试验k次才得到第一次成功的机率。即：前k-1次皆失败，第k次成功的概率。性质输入标题020103期望和方差：期望E(X)=1/p，方差D(X)=(1-p)/(p^2)，其中p为成功概率。无记忆性：即后面的试验不依赖于前面的试验结果。04负二项分布定义及性质定义01在伯努利试验中，成功r次所需的总试验次数k的概率分布。0203期望和方差与二项分布关系期望E(X)=r/p，方差D(X)=r(1-p)/(p^2)，其中p为成功概率，r为成功次数。当试验次数n固定时，成功r次的概率服从二项分布；当成功次数r固定时，试验次数k的概率服从负二项分布。几何分布与负二项分布关系联系：几何分布是负二项分布在r=1时的特例。区别几何分布关注的是第一次成功所需的试验次数，而负二项分布关注的是成功r次所需的试验次数。几何分布的期望和方差仅与成功概率p有关，而负二项分布的期望和方差还与成功次数r有关。05超几何分布及其特征超几何分布定义及性质定义超几何分布是一种离散型概率分布，描述了在不放回抽样的条件下，从有限总体中抽取一定数量样本时，成功抽取指定数量样本的概率分布。性质超几何分布的概率质量函数与总体数量、样本数量、成功样本数量及失败样本数量有关；其期望值与方差也有特定的数学表达式。超几何分布在生活中的应用质量控制1在工业生产中，超几何分布可用于评估从一批产品中随